기계 학습

◦ (기계 학습, Machine Learning) 컴퓨터가 학습을 통해 자동으로 개선하는 컴퓨터 알고리즘을 연구하는 인공지능의 한 분야로 컴퓨터(기계)가 학습할 수 있도록 하는 알고리즘과 기술을 개발하고 있다.
예) 기계 학습을 통해서 수신한 이메일의 스팸 여부 구분
◦ (기계 학습 분류) 기본적으로 컴퓨터가 데이터를 학습하여, 판단이나 예측 결과를 제공하는 알고리즘으로 학습방식과 입력 데이터의 종류에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류하고 있.

<그림 > 기계학습 기술 분류

◦ (지도 학습, Supervised Learning) 훈련 데이터로부터 하나의 함수를 유추해 내기 위한 기계 학습의 방법으로 훈련 데이터는 입력 객체에 대한 속성을 벡터 형태(레벨)로 일반적으로 포함하고 있으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다.

- 분류(Classification) 주어진 입력 벡터가 어떤 종류의 값인지 표시하는 것

- 회귀분석(Regression) 유추된 함수 중 연속적인 값을 출력하는 것

◦ (비지도 학습, Unsupervised Learning) 기계 학습의 한 종류로, 데이터가 어떻게 구성되었는지를 클러스트링 하는 문제의 범주에 속하며 지도 학습 (Supervised Learning), 강화 학습(Reinforcement Learning)과는 달르게 입력값에 대한 목표치가 주어지지 않음. 대표적인 방법으로 클러스터링 (Clustering)이 있다.

◦ (지도 학습과 비지도 학습 예) 지도학습은 사전에 전처리를 통해 레이블링된 데이터를 준비하여 학습하고 분류와 회귀 문제를 다루고 비지도 학습은 데이터 레이블링 과정 없는 군집화 문제를 다루고 있.

출처:  미래 국가안보를 위한 AI-기반 무기체계 개발, RINSA, 2021.